國(guó)網(wǎng)遼寧省電力有限公司鞍山供電公司 李萬(wàn)亮 王浩廷 趙 輝

1 緒論

1.1 物聯(lián)網(wǎng)技術(shù)在配電網(wǎng)中的應(yīng)用狀況

目前配電物聯(lián)網(wǎng)成為電力物聯(lián)網(wǎng)的重要組成部分，配電物聯(lián)網(wǎng)能夠?yàn)橛脩籼峁┴S富的用能服務(wù)，進(jìn)而提升了配電網(wǎng)絡(luò)的信息化和自動(dòng)化水平，更大程度保障了用戶的安全用電水平。

當(dāng)前有很多方法檢測(cè)物聯(lián)網(wǎng)終端數(shù)據(jù)的異常情況，這些方法多數(shù)利用物聯(lián)網(wǎng)量測(cè)數(shù)據(jù)診斷設(shè)備故障、量測(cè)傳感器離群值、識(shí)別離群數(shù)據(jù)。較少有對(duì)配電物聯(lián)網(wǎng)LTU網(wǎng)端設(shè)備數(shù)據(jù)異常檢測(cè)的研究，因此配電網(wǎng)端設(shè)備和主站設(shè)備的工作狀態(tài)難以及時(shí)進(jìn)行自檢，也無(wú)法時(shí)時(shí)監(jiān)控和識(shí)別故障設(shè)備，網(wǎng)端設(shè)備量測(cè)數(shù)據(jù)的準(zhǔn)確性無(wú)法得到保障。

1.2 本研究的主要內(nèi)容

本研究在總結(jié)配電物聯(lián)網(wǎng)數(shù)據(jù)異常檢測(cè)基礎(chǔ)上，結(jié)合物聯(lián)網(wǎng)數(shù)據(jù)異常來(lái)源識(shí)別的研究現(xiàn)狀，提出了配電物聯(lián)網(wǎng)端設(shè)備數(shù)據(jù)異常的監(jiān)測(cè)方法，建構(gòu)了異常狀態(tài)在線監(jiān)測(cè)的整體框架，闡述了監(jiān)測(cè)方法的關(guān)鍵技術(shù)。

2 相關(guān)理論研究

2.1 配電物聯(lián)網(wǎng)的概念

配電物聯(lián)網(wǎng)是新一代物聯(lián)網(wǎng)技術(shù)在配電網(wǎng)領(lǐng)域的具體應(yīng)用，綜合應(yīng)用物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、移動(dòng)通信及人工智能技術(shù)實(shí)現(xiàn)用戶、用電設(shè)備、電網(wǎng)企業(yè)互聯(lián)，采用數(shù)字化技術(shù)滿足配電網(wǎng)供電安全需求，提升電能質(zhì)量，提高管理效益水平。

2.2 配電物聯(lián)網(wǎng)數(shù)據(jù)的特征

配電物聯(lián)網(wǎng)數(shù)據(jù)的特征包括以下幾個(gè)方面。

一是數(shù)據(jù)結(jié)構(gòu)化，數(shù)據(jù)多為數(shù)值型的結(jié)構(gòu)化數(shù)據(jù)，電流、電壓用4個(gè)字節(jié)的標(biāo)準(zhǔn)浮點(diǎn)數(shù)據(jù)類型表示。二是流式數(shù)據(jù)，數(shù)據(jù)是一個(gè)動(dòng)態(tài)的數(shù)據(jù)集合，集合是由大量的有序、迅速、連續(xù)到達(dá)的數(shù)據(jù)組成的一組序列，例如配電物聯(lián)網(wǎng)主站每天接收網(wǎng)端傳送的以“流”的形式匯集來(lái)的測(cè)量數(shù)據(jù)，這些數(shù)據(jù)不僅包括量測(cè)量，還包括量測(cè)時(shí)間等[1]。三是時(shí)序性，網(wǎng)端設(shè)備按照配電物聯(lián)網(wǎng)云主站設(shè)定的周期上傳數(shù)據(jù)，前一個(gè)時(shí)間節(jié)點(diǎn)的數(shù)據(jù)對(duì)于后續(xù)數(shù)據(jù)分析計(jì)算十分重要。四是高維性，數(shù)據(jù)具有大量的高維度性。五是時(shí)間相關(guān)性，因?yàn)榫W(wǎng)端設(shè)備周期性地上傳數(shù)據(jù)，所以相鄰時(shí)間間隔的量測(cè)數(shù)據(jù)具有連續(xù)性的同時(shí)具有高度的相關(guān)性，這種滿足特定的函數(shù)關(guān)系相關(guān)性叫做配電物聯(lián)網(wǎng)數(shù)據(jù)的時(shí)間相關(guān)性[2]。六是空間相關(guān)性，配電物聯(lián)網(wǎng)任意節(jié)點(diǎn)的量測(cè)數(shù)據(jù)同其物理距離相近、同監(jiān)測(cè)區(qū)內(nèi)的數(shù)據(jù)具有高度相關(guān)性，同時(shí)滿足特定的函數(shù)關(guān)系，稱之為空間相關(guān)性。七是多源異構(gòu)性。

2.3 配電物聯(lián)網(wǎng)數(shù)據(jù)的處理方式

依據(jù)配電物聯(lián)網(wǎng)數(shù)據(jù)的特征，配電物聯(lián)網(wǎng)數(shù)據(jù)的處理方式應(yīng)滿足以下需求。

一是應(yīng)在歷史數(shù)據(jù)和實(shí)時(shí)量測(cè)數(shù)據(jù)結(jié)合的基礎(chǔ)上對(duì)配電物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行分析與處理，這樣能夠大大提高數(shù)據(jù)的利用率。二是配電物聯(lián)網(wǎng)數(shù)據(jù)具有大量的高維度性，在進(jìn)行數(shù)據(jù)處理時(shí)要首先降維處理，這樣可以減少對(duì)系統(tǒng)的內(nèi)存占用，從而提高計(jì)算速度。三是配電物聯(lián)網(wǎng)的數(shù)據(jù)是流式數(shù)據(jù)，監(jiān)測(cè)方法要能夠?qū)崟r(shí)分析連續(xù)到達(dá)的數(shù)據(jù)，具備數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)能力。

2.4 配電物聯(lián)網(wǎng)技術(shù)架構(gòu)

配電物聯(lián)網(wǎng)技術(shù)架構(gòu)如圖1所示，由感知層、網(wǎng)絡(luò)層、平臺(tái)層以及應(yīng)用層等四個(gè)層面組成。

圖1 配電物聯(lián)網(wǎng)技術(shù)架構(gòu)

一是感知層。感知層位于最末端，由電表、傳感器等各種類型的用電設(shè)備組成，這些終端設(shè)備能夠?qū)崟r(shí)反映配電網(wǎng)絡(luò)的運(yùn)行環(huán)境，同時(shí)能夠提供海量數(shù)據(jù)為智能決策做支持[3]，例如：對(duì)具有邊緣計(jì)算能力的智能開(kāi)關(guān)可以實(shí)現(xiàn)自動(dòng)控制，使拓?fù)浣Y(jié)構(gòu)的調(diào)整更加靈活，使配電網(wǎng)絡(luò)供電的可靠性、安全性得以保障和提升。

二是網(wǎng)絡(luò)層。網(wǎng)絡(luò)層指有線/無(wú)線傳輸網(wǎng)絡(luò)、移動(dòng)通信網(wǎng)等通信方式。網(wǎng)絡(luò)層提供不同的通信方式，是配電網(wǎng)匯聚、傳輸信息和遠(yuǎn)程控制的智能化平臺(tái)，數(shù)據(jù)傳輸通道中各種通信方式也可以融合，使應(yīng)用更加靈活，當(dāng)前網(wǎng)絡(luò)通信技術(shù)愈加先進(jìn)，保障了末端數(shù)據(jù)的低延遲性傳輸，也能夠保障可靠性。

三是平臺(tái)層。感知層提供的海量數(shù)據(jù)存儲(chǔ)在平臺(tái)層，平臺(tái)層運(yùn)用大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)對(duì)海量的數(shù)據(jù)進(jìn)行聚合、分析與挖掘，對(duì)感知層的數(shù)據(jù)不斷更新與存儲(chǔ)，解決了數(shù)據(jù)冗余問(wèn)題，能夠充分利用數(shù)據(jù)的價(jià)值，為應(yīng)用層的智能決策提供數(shù)據(jù)支撐，實(shí)現(xiàn)數(shù)據(jù)高級(jí)應(yīng)用[4]。

四是應(yīng)用層。應(yīng)用層綜合處理配電網(wǎng)絡(luò)系統(tǒng)的數(shù)據(jù)，針對(duì)不同業(yè)務(wù)提供數(shù)據(jù)支撐，實(shí)現(xiàn)智能決策。例如：配電網(wǎng)絡(luò)網(wǎng)絡(luò)架構(gòu)優(yōu)化、功率平衡、負(fù)荷預(yù)測(cè)、故障診斷、智能運(yùn)維等，再如為用戶提供用電服務(wù)等個(gè)性化服務(wù)需求，對(duì)電動(dòng)汽車提供柔性負(fù)荷接入支持，這些應(yīng)用提升了配電網(wǎng)絡(luò)的綜合服務(wù)水平。

3 配電物聯(lián)網(wǎng)網(wǎng)端設(shè)備數(shù)據(jù)異常檢測(cè)方法

3.1 配電物聯(lián)網(wǎng)網(wǎng)端設(shè)備異常狀態(tài)在線監(jiān)測(cè)整體策略

配電物聯(lián)網(wǎng)網(wǎng)端設(shè)備異常狀態(tài)監(jiān)測(cè)分為兩個(gè)方面，分別是：基于改進(jìn)DBSCAN算法的LTU節(jié)點(diǎn)數(shù)據(jù)異常在線監(jiān)測(cè)、基于模糊邏輯系統(tǒng)的節(jié)點(diǎn)數(shù)據(jù)異常來(lái)源識(shí)別[5]。配電物聯(lián)網(wǎng)網(wǎng)端設(shè)備異常狀態(tài)監(jiān)測(cè)整體框架如圖2所示。

圖2 配電物聯(lián)網(wǎng)網(wǎng)端設(shè)備異常狀態(tài)監(jiān)測(cè)整體框架

3.2 基于改進(jìn)DBSCAN算法網(wǎng)端設(shè)備異常監(jiān)測(cè)方法

基于改進(jìn)DBSCAN算法網(wǎng)端設(shè)備異常監(jiān)測(cè)過(guò)程為：劃分?jǐn)?shù)據(jù)時(shí)間片段→算法訓(xùn)練→檢測(cè)異常數(shù)據(jù)。

3.2.1 劃分?jǐn)?shù)據(jù)時(shí)間片段

對(duì)于配電物聯(lián)網(wǎng)中任意兩個(gè)LTU節(jié)點(diǎn)Xm和Xn在某一時(shí)刻相等的兩個(gè)量測(cè)時(shí)間序列：

本研究推導(dǎo)后提出判斷時(shí)間序列相似性準(zhǔn)則：

式中，Djsd為Xm和Xn兩個(gè)時(shí)間序列間概率分布的相異性，其值由JS散度計(jì)算得出；Djsd為Xm和Xn兩個(gè)時(shí)間序列間幅值間的相似性，Dmis由歐氏距離計(jì)算得出；為錯(cuò)誤模式距離。

3.2.2 算法訓(xùn)練與異常監(jiān)測(cè)

本研究提出的DBSCAN異常監(jiān)測(cè)流程如圖3所示。DBSCAN異常監(jiān)測(cè)方法解決了傳統(tǒng)監(jiān)測(cè)方法動(dòng)態(tài)性差、配電物聯(lián)網(wǎng)數(shù)據(jù)維數(shù)高、計(jì)算時(shí)間長(zhǎng)、檢測(cè)實(shí)時(shí)性低等問(wèn)題。DBSCAN異常監(jiān)測(cè)方法充分利用了配電物聯(lián)網(wǎng)數(shù)據(jù)的時(shí)間相關(guān)性原理，將LTU量測(cè)數(shù)據(jù)的時(shí)間序列分為若干個(gè)時(shí)間片段，再采用算法對(duì)時(shí)間相關(guān)性進(jìn)行訓(xùn)練，算法訓(xùn)練的結(jié)果為異常數(shù)據(jù)在線監(jiān)測(cè)提供決策，這樣大大降低了數(shù)據(jù)維度。

圖3 DBSCAN異常監(jiān)測(cè)流程

時(shí)間維度方面，DBSCAN異常監(jiān)測(cè)方法中將LTU節(jié)點(diǎn)的量測(cè)數(shù)據(jù)劃分為一定周期長(zhǎng)度L的時(shí)間片段，這個(gè)片段是能夠反映量測(cè)的一個(gè)時(shí)間序列。此方法中，設(shè)定周期長(zhǎng)度為1d，再將整個(gè)周期進(jìn)一步劃分為長(zhǎng)度l的時(shí)間子片段，設(shè)定為15min。每個(gè)子時(shí)間片段作為整個(gè)時(shí)間片段的一個(gè)維度，該數(shù)據(jù)維度為： L/1。對(duì)于某個(gè)LTU節(jié)點(diǎn)Ω，設(shè)其兩個(gè)相鄰時(shí)間片段為Fi和Fj，根據(jù)公式1計(jì)算得出聚類分析輸入的數(shù)據(jù)點(diǎn)之間距離為：

在線監(jiān)測(cè)實(shí)現(xiàn)方面，本研究采用基于DBSCAN聚類的LTU節(jié)點(diǎn)異常數(shù)據(jù)在線監(jiān)測(cè)方法。具體過(guò)程分為兩個(gè)階段，基于DBSCAN聚類的LTU節(jié)點(diǎn)異常數(shù)據(jù)在線監(jiān)測(cè)如圖4所示。

圖4 基于DBSCAN聚類的LTU節(jié)點(diǎn)異常數(shù)據(jù)在線監(jiān)測(cè)

第一階段流程為：預(yù)處理歷史量測(cè)數(shù)據(jù)→選取訓(xùn)練數(shù)據(jù)集→節(jié)點(diǎn)訓(xùn)練。其中，訓(xùn)練數(shù)據(jù)集從預(yù)處理結(jié)果中選取一定天數(shù)（L）的數(shù)據(jù)，數(shù)據(jù)集時(shí)序長(zhǎng)度為Ntrain·L的訓(xùn)練集，再訓(xùn)練節(jié)點(diǎn)，根據(jù)訓(xùn)練結(jié)果判斷每個(gè)LTU節(jié)點(diǎn)量測(cè)區(qū)域內(nèi)數(shù)據(jù)是否為合理的數(shù)據(jù)變化特征集，結(jié)果中包含i個(gè)核心數(shù)據(jù)點(diǎn)即符合要求，核心數(shù)據(jù)點(diǎn)集為CorePts(i)。

第二階段流程為：計(jì)算核心數(shù)據(jù)點(diǎn)距離→判斷工作狀態(tài)。使用公式（2），將第一階段選取的數(shù)據(jù)點(diǎn)集進(jìn)行計(jì)算，獲得新數(shù)據(jù)點(diǎn)與所有核心數(shù)據(jù)點(diǎn)的距離。再對(duì)該值進(jìn)行判斷，數(shù)據(jù)點(diǎn)如果在某核心點(diǎn)的鄰域范圍內(nèi)則為正常量測(cè)數(shù)據(jù)，如果不在范圍內(nèi)則作為異常數(shù)據(jù)上報(bào)云主站，由物聯(lián)配電網(wǎng)主站分析異常數(shù)據(jù)來(lái)源。

3.3 評(píng)價(jià)指標(biāo)

異常數(shù)據(jù)監(jiān)測(cè)矩陣見(jiàn)表1，由表中混淆矩陣數(shù)據(jù)可知，異常數(shù)據(jù)檢測(cè)分類結(jié)果中包含異常數(shù)據(jù)為P類的需要檢測(cè)對(duì)象，正常數(shù)據(jù)為負(fù)類則不需要監(jiān)測(cè)。

表1 異常數(shù)據(jù)監(jiān)測(cè)矩陣

4 結(jié)語(yǔ)

本研究提出了基于聚類的DBSCAN物聯(lián)配電網(wǎng)端設(shè)備異常監(jiān)測(cè)方法，探討了相關(guān)的數(shù)據(jù)計(jì)算公式及異常數(shù)據(jù)判斷方法，能夠較好解決異常數(shù)據(jù)源的判斷與分析問(wèn)題。